126、DyHead 动态检测头替换 YOLOv11 Head：Scale+Space+Task 三维注意力的实现

从一次诡异的mAP抖动说起

去年年底调YOLOv11的C2f模块，发现一个奇怪现象：换了几种注意力机制，mAP@0.5:0.95始终在0.523附近震荡，死活上不去。后来扒开特征图一看，深层小目标特征被背景噪声淹没了——问题不在Backbone，在Head。YOLOv11的Detect层太“死板”了，对每个尺度、每个空间位置、每个任务分支都用同一套权重，这在小目标密集场景下简直是灾难。

当时就想，要是能让Head自己学会“该看哪里、该关注什么尺度、该为分类还是回归服务”，就好了。DyHead就是干这个的——它把Scale、Space、Task三个维度的注意力揉进一个检测头里，让特征图自己学会“动态调整”。今天就把这个替换方案掰开揉碎讲清楚，代码直接能跑，踩过的坑也一并标出来。

DyHead的核心：三维注意力到底在干什么

先别急着看代码，理解这个三维注意力机制比调参重要十倍。YOLOv11的原始Head结构很简单：输入特征图经过几个卷积层，分别输出分类和回归结果。问题在于，不同尺度的特征图（比如P3、P4、P5）对检测任务的贡献是不一样的——P3负责小目标，P5负责大目标，但原始Head对所有尺度一视同仁。

DyHead的三维注意力是这样拆解的：

• Scale维度：让网络学会“哪个尺度的特征更重要”。比如小